基于稀疏分解的图像去噪

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏分解的图像去噪

尹忠科, 解梅, 王建英

文章导航 > 电子科技大学学报 > 2006 > 35(6): 876-878

尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪[J]. 电子科技大学学报, 2006, 35(6): 876-878.

引用本文:

尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪[J]. 电子科技大学学报, 2006, 35(6): 876-878.

YIN Zhong-ke, XIE Mei, WANG Jian-ying. Image Denoising Based on Its Sparse Decomposition[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(6): 876-878.

Citation:

YIN Zhong-ke, XIE Mei, WANG Jian-ying. Image Denoising Based on Its Sparse Decomposition[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(6): 876-878.

基于稀疏分解的图像去噪

1.
西南交通大学信息科学与技术学院成都 610031;
2.
电子科技大学电子工程学院成都 610054

基金项目:

国家自然科学基金资助项目(60602043);教育部留学回国人员科研启动基金资助项目(教外司[2004]517号);四川省重点科技计划资助项目(04GG021-020-5、2006X15-038);四川省应用基础研究项目(04JY029-059-2;2006J13-114)

作者简介:
尹忠科(1969-),男,博士,教授,主要从事信号与信息处理、图像处理方面的研究.

中图分类号: TN911.7;TP391.4

Image Denoising Based on Its Sparse Decomposition

1.
School of Info. Sci. & Tech.,Southwest Jiaotong University Chengdu 610031;
2.
School of Electronic Engineering,Univ. of Electron. Sci. & Tech. of China Chengdu 610054

摘要: 基于稀疏分解的图像去噪处理是将被噪声污染的图像分解成图像的稀疏成分和其他成分。稀疏成分对应于图像中的有用信息,其他成分对应于图像中的噪声。由图像的稀疏成分重建图像,可达到去除图像噪声的目的。实验结果表明基于稀疏分解的图像去噪处理具有一定的效果。
- 图像处理 /
- 图像去噪 /
- 稀疏分解 /
- 峰值信噪比
Abstract: Image denoising method based on image sparse decomposition is different from the traditional image denoising methods. In this method, image corrupted by noise is decomposed into two parts. One part is the image sparse components which are related to image information. Another part, which remains after the image sparse components are subtracted from the image, is regarded as noise. Image can be denoised by reconstructing image only with its sparse components. Experimental results show the good performance of this method.
- image processing /
- image denoising /
- sparse decomposition /
- peak signal-to-noise ratio

[1]	郝琨, 韩冰, 李志圣, 王传启. 基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法 . 电子科技大学学报, 2023, 52(5): 728-738. doi: 10.12178/1001-0548.2022217
[2]	何磊, 李玉霞, 彭博, 吴焕萍. 基于生成对抗网络的无人机图像道路提取 . 电子科技大学学报, 2019, 48(4): 580-585. doi: 10.3969/j.issn.1001-0548.2019.04.016
[3]	刘玉红, 张艳山, 李永杰, 杨开富, 颜红梅. 基于视觉感受野特性的自适应图像去噪算法 . 电子科技大学学报, 2017, 46(6): 934-941. doi: 10.3969/j.issn.1001-0548.2017.06.024
[4]	罗时雨, 童玲, 陈彦. 基于参数化模型的水平集SAR图像多区域分割方法 . 电子科技大学学报, 2016, 45(6): 939-943. doi: 10.3969/j.issn.1001-0548.2016.06.011
[5]	吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法 . 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
[6]	何坤, 郑秀清, 琚生根, 张永来. 改进全变分的图像去噪 . 电子科技大学学报, 2016, 45(3): 463-468. doi: 10.3969/j.issn.1001-0548.2016.02.026
[7]	罗学刚, 吕俊瑞, 王华军, 杨强. 选择性计算的快速非局部均值图像去噪 . 电子科技大学学报, 2015, 44(1): 84-90. doi: 10.3969/j.issn.1001-0548.2015.01.014
[8]	文乔农, 刘增力, 万遂人, 徐双. 稀疏正则化方法的超声信号反卷积 . 电子科技大学学报, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030
[9]	何坤, 琚生根, 林涛, 张卫华. TV数值计算的图像去噪 . 电子科技大学学报, 2013, 42(3): 459-463. doi: 10.3969/j.issn.1001-0548.2013.03.027
[10]	李迅波, 蒋东升, 王振林. 梯度相似性的椒盐图像加权中值滤波算法 . 电子科技大学学报, 2012, 41(1): 114-119. doi: 10.3969/j.issn.1001-0548.2012.01.022
[11]	王瑜, 张慧妍. 基于四阶PDEs和对比度增强的荧光显微图像去噪 . 电子科技大学学报, 2012, 41(4): 564-567.
[12]	胡金蓉, 蒲亦非, 周激流. 分数阶积分的图像去噪算法 . 电子科技大学学报, 2012, 41(5): 706-711. doi: 10.3969/j.issn.1001-0548.2012.05.013
[13]	韩杰思, 沈建京. 采用图像滤波的多特征JPEG盲检测 . 电子科技大学学报, 2011, 40(2): 255-260. doi: 10.3969/j.issn.1001-0548.2011.02.020
[14]	罗洪艳, 杨维萍, 郑小林, 侯文生, 胡南, 廖彦剑. 小鼠切片图像自动去背景方法的研究 . 电子科技大学学报, 2011, 40(4): 625-629. doi: 10.3969/j.issn.1001-0548.2011.03.031
[15]	张卫华, 李睿, 何坤, 周激流. 3DDCT变换下的图像去噪与增强方法 . 电子科技大学学报, 2011, 40(5): 742-746. doi: 10.3969/j.issn.1001-0548.2011.05.021
[16]	陈洪波, 陈真诚, 汤井田. 同场景多幅图像中的强噪声抑制 . 电子科技大学学报, 2010, 39(2): 209-213,226. doi: 10.3969/j.issn.1001-0548.2010.02.012
[17]	唐聃, 王晓京, 陈峥. 新的图像加密方法 . 电子科技大学学报, 2010, 39(1): 128-132. doi: 10.3969/j.issn.1001-0548.2010.01.029
[18]	尹忠科, 王建英, Pierre Vandergheynst. 由图像的稀疏分解重建图像的快速算法 . 电子科技大学学报, 2006, 35(4): 447-449.
[19]	尹忠科, 解梅, 王建英. 基于原子能量特性的快速图像匹配追踪 . 电子科技大学学报, 2005, 34(2): 156-159.
[20]	郭旭平, 李在铭. 跟踪系统中图像目标的快速提取技术研究 . 电子科技大学学报, 1998, 27(1): 17-20.

WeChat

点击查看大图

计量

文章访问数: 3438
HTML全文浏览量: 123
PDF下载量: 141
被引次数: 0

基于稀疏分解的图像去噪

1. 西南交通大学信息科学与技术学院成都 610031;

2. 电子科技大学电子工程学院成都 610054

基金项目:

国家自然科学基金资助项目(60602043);教育部留学回国人员科研启动基金资助项目(教外司[2004]517号);四川省重点科技计划资助项目(04GG021-020-5、2006X15-038);四川省应用基础研究项目(04JY029-059-2;2006J13-114)

作者简介:
尹忠科(1969-),男,博士,教授,主要从事信号与信息处理、图像处理方面的研究.

收稿日期: 2004-04-13
刊出日期: 2006-12-15

中图分类号: TN911.7;TP391.4

关键词:

摘要: 基于稀疏分解的图像去噪处理是将被噪声污染的图像分解成图像的稀疏成分和其他成分。稀疏成分对应于图像中的有用信息,其他成分对应于图像中的噪声。由图像的稀疏成分重建图像,可达到去除图像噪声的目的。实验结果表明基于稀疏分解的图像去噪处理具有一定的效果。

English Abstract

尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪[J]. 电子科技大学学报, 2006, 35(6): 876-878.

引用本文:

尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪[J]. 电子科技大学学报, 2006, 35(6): 876-878.

YIN Zhong-ke, XIE Mei, WANG Jian-ying. Image Denoising Based on Its Sparse Decomposition[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(6): 876-878.

Citation:

YIN Zhong-ke, XIE Mei, WANG Jian-ying. Image Denoising Based on Its Sparse Decomposition[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(6): 876-878.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发